Midjourney公司计划在未来几个月推出“文本转视频”模型，通过在1月开始培训视频模型，强调其自然发展和在生成视频领域引入竞争动态，同时V6更新提升画质和用户体验。
在直播电商时代，更有人味儿、更加灵活的个人IP拥有得天独厚的条件，品牌店播之外，个人IP始终是非常重要的尝试方向。
1000多万粉丝是FILA店播成绩的重要基础
论文地址:https://arxiv.org/pdf/2401.01792.pdf
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。